一种面向统计机器翻译的协同权重训练方法

• 作者: 刘树杰 周明 李志灏 李沐
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 统计机器翻译 最小错误率训练 领域自适应 协同训练 最小贝叶斯风险系统融合
• 年，卷（期）: 2012,（12）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 3101-3114
• 页数: 14页
• 分类号: TP391
• 字数: 9724字
• 语种: 中文
• DOI: 10.3724/SP.J.1001.2012.04208

摘要

分析了统计机器翻译中的特征权重的领域自适应问题,并针对该问题提出了协同的权重训练方法.该方法使用来自不同解码器的译文作为准参考译文,并将其加入到开发集中,使得特征权重的训练过程向测试集所在的领域倾斜.此外,提出了使用最小贝叶斯风险的系统融合方法来选择准参考译文,进一步提高了协同权重训练的性能.实验结果表明,使用最小贝叶斯风险系统融合的协同训练方法,可以在一定程度上解决特征权重的领域自适应问题,并显著地提高了在目标领域内机器翻译结果的质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周明		12	435	6.0	12.0
2	李沐		5	15	2.0	3.0
3	刘树杰	哈尔滨工业大学计算机科学与技术学院	2	17	2.0	2.0
4	李志灏		1	6	1.0	1.0